Inteligência Artificial (AI) ainda não decolou no setor de viagens, mas não foi por falta de tentativa. A maioria das grandes empresas de viagens administrou pilotos, testou provas de conceito e experimentou várias ferramentas de IA, mas poucas perceberam o Benefícios da AI que os líderes de outras indústrias experimentaram.
Esta é uma oportunidade perdida. As empresas de viagens são ricas em dados. Eles enfrentam a complexidade interna de operações, agendamento e preços, bem como a complexidade externa influenciada pelo PIB, preços de combustível, clima e terrorismo. Essas características são os pontos fortes da IA.
Travel companies are rich in data, and the industry’s characteristics play to AI’s strengths.
AI pode ajudar as empresas de viagens a aumentar a eficiência operacional, a otimização de rotas e o gerenciamento de rendimento; melhorar programas de fidelidade e jornadas mais amplas de clientes; e acelerar processos de back-office em contabilidade e finanças. Mas para garantir um valor tangível e sustentável, as empresas precisam fazer mais do que experimentar. Eles precisam alinhar sua liderança, capacidades, comportamento e modelo de operação com uma tecnologia diferente de qualquer outra que já encontraram. O aprendizado de máquina é um subconjunto de IA que envolve realmente aprender, em vez de simplesmente processar dados. (Executivos que desejam uma compreensão mais completa da IA podem revisar
AI’s Potential in Travel
In simple terms, AI is a machine-based system that absorbs data, adapts to change, and takes action or provides information that helps businesses make better and faster decisions. Machine learning is a subset of AI that involves actually learning from, rather than simply processing, data. (Executives who want a more thorough understanding of AI can review Colocando a inteligência artificial para funcionar , BCG Focus, setembro de 2017; e " Dez coisas que todo gerente deve saber sobre inteligência artificial , ”Artigo do BCG, setembro de 2017.)
Para empresas de viagens, a IA oferece um grande potencial em pelo menos quatro áreas amplamente inexploradas.
Tocando em um ambiente rico em dados. Programas de fidelidade e dados operacionais coletados a partir de planos e navios a bordo. A reserva e os dados externos. Primeiro, muitos dos sistemas subjacentes - que já foram o estado da arte - se beneficiariam dos insights sobre a eficiência e a programação que o aprendizado de máquina pode oferecer. Segundo, as operações que movem as pessoas de um lugar para outro desempenham um papel estranho em clientes agradáveis ou decepcionantes, suavizando jornadas e melhorando a experiência geral. A IA pode ajudar a reduzir o atrito em certos momentos -chave, especialmente durante atividades complexas que envolvem o maior número de pessoas, processos e sistemas. Travel companies have large amounts of information that they are not fully exploiting—everything from macroeconomic data, geopolitical developments, and weather trends to indicators of customer behavior collected through loyalty programs and operational data gathered from sensors onboard planes and ships. And their work with third parties gives them access to even richer data sets.
Recently, BCG worked with a global airline to optimize the personalization of customer emails with destination offers, loyalty messages, and other tactics. We worked with the carrier to build and test several machine-learning predictive models that took into account more than 3,000 variables including customer, booking, and external data. The subsequent emails had a hit, or open, rate two times higher than a control group and generated a 10% boost in revenue.
Managing Complex Operations. Many travel companies oversee vast operational footprints that could use help. First, many of the underlying systems—which were once state of the art—would benefit from the insights into efficiency and scheduling that machine learning can offer. Second, the operations that move people from place to place play an outsize role in pleasing or disappointing customers, smoothing journeys, and improving the overall experience. AI can help reduce friction at certain key moments, especially during complex activities that involve the largest number of people, processes, and systems.
Por exemplo, a companhia aérea holandesa KLM e BCG estão desenvolvendo ferramentas de suporte a decisões de AI-I-I-Ineed, que ajudam a prever atrasos, otimizam a programação de aeronaves e tripulantes e melhoram a experiência do passageiro. Essas ferramentas analisam rapidamente muitos cenários, levando em consideração posições e disponibilidade da tripulação, posições de aeronaves e programas de manutenção. Armado com essa análise, a equipe da linha de frente pode se concentrar em tomar decisões integradas que aumentam o desempenho operacional. O BCG ajudou o operador a consolidar anos de digitalização de dados para identificar padrões de risco que sugeririam a necessidade de reparar uma seção da faixa. Esse mecanismo de manutenção preditiva ajudou a reduzir os custos de manutenção em 10%, a utilização aprimorada da rede e criou uma oportunidade de vender a ferramenta para outras empresas ferroviárias. (Veja a exposição.) Muitas dessas interações, como atrasos relacionados ao clima ou avarias mecânicas imprevistas, são emocionalmente carregadas e além do controle das empresas. No entanto, os clientes frequentemente responsabilizam as empresas. Afinal, a viagem foi vendida como uma experiência ou mesmo um sonho, não um pesadelo. Em seu livro
At a major rail operator, executives wanted to use AI to reduce maintenance costs. BCG helped the operator consolidate years of scanning data in order to identify risk patterns that would suggest a need to repair a section of track. This predictive-maintenance engine helped reduce maintenance costs by 10%, improved network utilization, and created an opportunity to sell the tool to other rail companies.
Removing Friction in High-Stakes Customer Touch Points. Customers often interact with several travel companies at different stages of their journey. (See the exhibit.) Many of these interactions, such as delays related to weather or unforeseen mechanical breakdowns, are emotionally charged and beyond the companies’ control. Nonetheless, customers frequently hold the companies responsible. After all, the travel was sold as an experience or even a dream, not a nightmare.
AI can help anticipate and respond to such lapses even if the company was not at fault. In his book Configurando a tabela, O famoso restaurador de Nova York Danny Meyer fala sobre “escrever um ótimo último capítulo” ao lidar com um cliente insatisfeito. Ele incentiva os funcionários a transformar um erro em uma experiência positiva que o cliente se lembrará. O aprendizado de máquina pode ajudar as empresas de viagens a escrever o último capítulo por, por exemplo, sugerindo serviços complementares que o cliente acessou em viagens anteriores ou antecipando suas necessidades e desejos não declarados, conforme inferido a partir de interações passadas. Mercados. Eles decidem quantos quartos alocarem para agências de viagens ou assentos on-line para tarifas de baixo custo com base na análise tradicional e na boa e antiquada intuição. Com comissões de 15% a 20% para as agências, o aumento dos custos de mercado direto e investimentos significativos em programas de fidelidade, essas decisões de previsão são críticas para os resultados. E, como no
Managing Demand with Greater Sophistication. In other industries, AI has been a boon to channel and yield management as companies have begun to rely on machine learning to forecast demand and optimize production across channels and markets.
Travel companies have been making similar decisions for decades but generally without the assistance of machine learning. They decide how many rooms to allocate to online travel agencies or seats to low-cost fares on the basis of traditional analysis and good, old-fashioned intuition. With commissions of 15% to 20% for agencies, rising direct-marketing costs, and significant investments in loyalty programs, these forecasting decisions are critical to the bottom line. And, as in the Solução de operações de companhias aéreas KLM-BCG As máquinas podem remover a labuta do exercício e os executivos gratuitos de marketing e preços para pensar mais estrategicamente. Em meados de 2018, o hoteleiro anunciou o lançamento de um novo sistema baseado em IA que depende do aprendizado de máquina para entender a demanda e a vontade de pagar com base no tipo de quarto, ciclicismo, sazonalidade e eventos especiais próximos. O CEO Arne Sorenson disse publicamente que o novo sistema já ajudou a diminuir a dependência de canais de alto custo em momentos de pico de demanda.
Marriott has jumped at this opportunity to improve profitability. In mid-2018, the hotelier announced the rollout of a new, AI-based system that relies on machine learning to understand demand and willingness to pay on the basis of room type, cyclicality, seasonality, and nearby special events. CEO Arne Sorenson has said publicly that the new system has already helped to lower reliance on high-cost channels at times of peak demand.
AI can take the drudgery out of forecasting decisions and free marketing and pricing executives to think more strategically.
Etapas práticas para gerar valor com ai
As oportunidades de IA em viagens são reais, mas difíceis de alcançar. Todas as empresas enfrentam o que chamamos de problema de 10-20-70 do aprendizado de máquina. Cerca de 10% do desafio da implementação envolve ciência de dados e os próprios algoritmos, enquanto 20% se refere à necessidade de permitir a infraestrutura de tecnologia e a engenharia de dados. Os 70% finais abrangem incorporando a IA nos processos de negócios e ajustando maneiras de trabalhar para que as pessoas usem essas novas ferramentas e criem valor comercial. Os 10% não são triviais, exigindo uma profunda compreensão da ciência de dados e do problema de negócios subjacente. Mas, com muita frequência, as empresas giram suas rodas sobre esses 10% sem nunca fazer progresso substantivo nos negócios. (Ver O grande salto em direção à IA em escala , BCG Focus, junho de 2018.)
Ao ajudar as empresas de viagens a introduzir pilotos de IA e trazer os bem -sucedidos para escalar, criamos várias recomendações que abordam o contexto da indústria e os 20% e 70% de desafios que as empresas negligenciam. Pontos doces que criarão o maior valor com dados disponíveis ou acessíveis. Como parte dessa análise, eles devem entender onde concorrentes, parceiros ou iniciantes digitais podem estar tentando usar a IA e como esses desenvolvimentos afetarão sua vantagem estratégica. Essa análise deve expor oportunidades que possam servir de base para projetos piloto. Em alguns casos, um caso de negócios pode ser tão claro que faz sentido acelerar ou restringir a fase de pilotagem. Por exemplo, os operadores de cruzeiro têm uma quantidade enorme de dados a bordo, mas devem decidir o que é replicado onshore. Ao mesmo tempo, as empresas de viagens precisam reunir dados de muitos pontos de contato e silos, geralmente fora de sua organização. Por exemplo, para fornecer ofertas direcionadas para um produto ou benefício auxiliar, as empresas precisam de um entendimento de ponta a ponta das jornadas de clientes, incluindo interações com outras empresas.
Understanding the Value Potential and Landscape. Travel companies should analyze AI’s potential in internal operations and along customer journeys and focus on those sweet spots that will create the most value with available or accessible data. As part of this analysis, they should understand where competitors, partners, or digital upstarts may be trying to use AI and how these developments will affect their strategic advantage. This analysis should expose opportunities that can serve as the basis for pilot projects. In some cases, a business case may be so clear that it makes sense to accelerate or narrow the piloting phase.
Gathering and Coordinating the Data and Managing the Algorithms—the 20%. Travel companies are awash in data, but many of them have not fully collected, organized, and evaluated it. For example, cruise operators have an enormous amount of data onboard but must decide what gets replicated onshore. At the same time, travel companies need to bring together data from many touch points and silos, often outside their organization. For example, to deliver targeted offers for an ancillary product or benefit, companies need an end-to-end understanding of customer journeys, including interactions with other companies.
Travel companies are awash in data, but many have not fully collected, organized, and evaluated it.
Depois de encurralar seus dados, as empresas têm um desafio relacionado: orquestrar os dados à medida que se move pelos algoritmos. Um sistema de TI típico consiste em entrada de dados, uma ferramenta e saída de dados. Eles são relativamente fáceis de escalar porque a ferramenta é estática. Mas os algoritmos AI aprendem ingestão de dados - os dados de treinamento são parte integrante da ferramenta de IA. Esse "emaranhamento" de dados e ferramentas é gerenciável durante os pilotos, mas se torna exponencialmente mais difícil de abordar à medida que os sistemas de IA interagem e se desenvolvem. As empresas de viagens precisam comprar ou criar uma solução para monitorar o fluxo de trabalho desde a entrada de dados até a ação final. A flexibilidade da nuvem torna uma opção preferida para atender a essas necessidades. Mas em certos contextos, como linhas de cruzeiro e centros de controle operacional, as restrições de latência e largura de banda podem impedir que a nuvem sirva como uma solução completa. Essas configurações requerem novas estruturas, como
Finally, companies need to ensure that they have the storage, computing, and bandwidth to handle multiple AI engines. The flexibility of the cloud makes it a preferred option to address these needs. But in certain contexts, such as cruise lines and operational control centers, latency and bandwidth constraints may prevent the cloud from serving as a complete solution. These settings require novel structures, such as Computação de borda , em que parte do poder de processamento é mantida mais próxima da periferia. Mas para integrar a tomada de decisão da IA aos processos contínuos, eles precisam de um grande número de engenheiros de dados para garantir o desempenho e a resiliência do pipeline e dos sistemas periféricos. Departamento de Gerenciamento) e muitas vezes frenético (a parte de trás da casa de um navio ou hotel de cruzeiro). Em um nível alto, os executivos devem abordar uma delicada Lei de Balanceamento Organizacional Tridimensional:
Most companies will ultimately need a relatively small number of data scientists and AI experts. But to integrate AI decision making into ongoing processes, they need a large number of data engineers to ensure the performance and resilience of the pipeline and peripheral systems.
Moving Beyond Pilots on an Organizational and People Level—the 70%. The second- and third-order consequences of introducing AI are exacerbated at travel companies because their processes are complex (an airline operations control center or revenue management department) and often frenetic (the back of the house of a cruise ship or hotel).
Successful operational AI projects need to bring key stakeholders together, manage change, and coordinate all the moving parts. At a high level, executives must address a delicate three-dimensional organizational balancing act:
- Atividades centralizadas. Como tal, o gerenciamento de dados, a experiência e a governança devem ser centralizados para que a empresa possa aproveitar a escala, a consistência e a segurança. Data is the raw material of AI and contains some of the company’s most sensitive intellectual property. As such, data management, expertise, and governance should be centralized so that the company can take advantage of scale, consistency, and security.
- Atividades incorporadas. A idéia é integrar a IA no tecido da organização. As equipes que supervisionam os projetos de IA precisam ser flexíveis e iterativas para acomodar a natureza de auto-aprendizagem das máquinas de IA. Muitas empresas dependem de variações do Agile para garantir que a maneira de trabalhar da equipe reflita a maneira de trabalhar da IA. Dada a estrutura descentralizada de tantas empresas de viagens, a criação dessas equipes ágeis pode ser especialmente desafiadora, mas é crítica. Deixados por conta própria, os cientistas de dados podem criar soluções requintadas, mas impraticáveis. Business units or function s should oversee the development of pilots and use cases. The idea is to integrate AI into the fabric of the organization. The teams overseeing AI projects need to be flexible and iterative to accommodate the self-learning nature of AI machines. Many companies rely on variations of agile to ensure that the team’s way of working reflects AI’s way of working. Given the decentralized structure of so many travel companies, creating these agile teams can be especially challenging but is nonetheless critical. Left to their own, data scientists can come up with exquisite but impractical solutions.
- Ação descentralizada. Finalmente, a ação da IA deve permanecer descentralizada. No setor de viagens, isso geralmente significa colocar a autoridade de tomada de decisão habilitada para a AI nas mãos da equipe da linha de frente no centro de operações, na recepção de um hotel ou na cozinha. Uma empresa de viagens que queria reduzir o desperdício de alimentos em suas cozinhas, por exemplo, criou uma ferramenta de IA para obter economias na preparação de alimentos. Os chefs receberam aplicativos móveis que sugeriam quanto deveriam cozinhar a cada hora. Desde então, o desperdício de alimentos caiu aproximadamente 40%. Como os chefs tinham uma mão no design do aplicativo, eles eram mais propensos a confiar em suas recomendações. A tecnologia muitas vezes desperta os funcionários, embora geralmente melhore sua vida profissional. Semelhante aos chefs no exemplo acima, os funcionários ficam felizes em ter melhores informações à sua disposição. As empresas devem começar a lidar com essas ansiedades por meio de programas de gerenciamento e resgate de mudanças. Uma abordagem, adotada por líderes em IA, como a Renault, é criar um
In addition to this balancing act, executives need to prepare their teams to work with AI and create thoughtful change management programs. The technology often unnerves employees, even though it generally improves their work life. Similar to the chefs in the example above, employees are happy to have better information at their disposal.
As AI plays a larger role, however, the machines that initially helped improve performance and reduce drudgery can cause job security concerns. Companies should start addressing these anxieties through change management and reskilling programs. One approach, adopted by leaders in AI such as Renault, is to create a Hub digital , um grande centro dedicado ao treinamento digital. A próxima onda de vantagem competitiva do setor beneficiará empresas que podem fazer essa transição em várias áreas de seus negócios. Chegou a hora de todas as empresas de viagens iniciarem seus poderes imaginativos e começarem a trabalhar colocando suas idéias em prática. Caso contrário, as crianças proverbiais na garagem quase certamente o farão. Europa, Oriente Médio, América do Sul e Presidente da África, BCG X
The travel industry is at a critical inflection point that will determine whether individual companies stay stuck in the world of experimentation or achieve scale and meaningful results through AI. The industry’s next wave of competitive advantage will benefit companies that can make that transition across several areas of their business.
A senior leader at a travel client recently told us, “Much of our organization is stuck in the buzzwords and can’t yet even imagine what AI could do for us.” It’s time for all travel companies to fire up their imaginative powers and get to work putting their ideas into practice. If they don’t, the proverbial kids in the garage almost certainly will.
